CN114454878A - 车速控制模型训练样本的确定方法及装置 - Google Patents
车速控制模型训练样本的确定方法及装置 Download PDFInfo
- Publication number
- CN114454878A CN114454878A CN202210384249.1A CN202210384249A CN114454878A CN 114454878 A CN114454878 A CN 114454878A CN 202210384249 A CN202210384249 A CN 202210384249A CN 114454878 A CN114454878 A CN 114454878A
- Authority
- CN
- China
- Prior art keywords
- vehicle speed
- speed control
- lane
- preset
- segment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000009826 distribution Methods 0.000 claims abstract description 64
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 206010039203 Road traffic accident Diseases 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开一种车速控制模型训练样本的确定方法及装置,涉及汽车技术领域,能够解决因无法自动控制车辆按照合适车速行驶,而易造成交通事故、交通拥堵的问题。该方法包括:将地图数据中的车道划分成第一车道区域和第二车道区域,两个车道区域所指示的待测车速控制特征不同;在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征;将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本。本申请可以应用于车速自动控制场景。
Description
技术领域
本申请涉及汽车技术领域,具体而言,涉及一种车速控制模型训练样本的确定方法及装置。
背景技术
在车辆行驶过程中,车速过快可能会造成交通事故,车速过慢可能会给后面车辆造成行驶困难进而造成拥堵。因此,适当的车速可以在确保交通安全的前提下,提高交通的通畅率。然而,目前主要依靠驾驶员自身的驾驶经验和/或车辆周围路况来调整车速,难以控制整个路网上的车辆均在所行驶路段上采用适当车速行驶。
综上所述,如何自动对车辆进行有效控制是目前亟待解决的。
发明内容
本申请提供了一种车速控制模型训练样本的确定方法及装置,能够解决因无法自动控制车辆按照合适车速行驶,而易造成交通事故、交通拥堵的问题。
具体的技术方案如下:
第一方面,本申请实施例提供了一种车速控制模型训练样本的确定方法,方法包括:
将地图数据中的车道划分成第一车道区域和第二车道区域,其中,第一车道区域和第二车道区域所指示的待测车速控制特征不同;
在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征,其中,第一经验最高车速分布包括多个车辆在第一车道区域行驶过程中的多个经验最高车速,第二经验最高车速分布包括多个车辆在第二车道区域行驶过程中的多个经验最高车速;
将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,其中,车速控制标签是根据经验速度统计得到的目标车速的标签。
通过上述方案可知,与依靠驾驶员自身的驾驶经验和/或车辆周围路况来调整车速的相关技术相比,本申请实施例能够先通过基于待测车速控制特征划分的两种车道区域的经验最高车速分布差异,挖掘出影响车速的目标车速控制特征,再将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,以便基于车速控制模型训练样本训练用于进行车速控制的车速控制模型,从而不仅能够自动确定车速控制模型训练样本,还能够基于车速控制模型训练样本生成的车速控制模型自动为车辆提供适当的目标车速,进而可以使得整个路网均采用适当车速行驶,由此在确保交通安全的前提下,提高了交通的通畅率。
在第一方面的第一种可能的实现方式中,在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征,包括:
根据第一车道区域和第二车道区域所对应的经验最高车速分别生成第一最高车速直方图和第二最高车速直方图;
在第一最高车速直方图所表征的第一经验最高车速分布与第二最高车速直方图所表征的第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
在第一方面的第二种可能的实现方式中,在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,方法还包括:
针对每个待统计预设车道段,基于高斯混合模型对待统计预设车道段上的多个经验速度进行拟合,获得多个速度等级的经验速度,其中,速度等级与经验速度呈正相关关系;
将最高速度等级的经验速度的平均值作为待统计预设车道段的目标车速,并生成包含目标车速的车速控制标签。
通过上述方案可知,本申请实施例在生成包含目标车速的车速控制标签时,可以从大量经验速度中汇总中最高速度等级的经验速度,并将最高速度等级的经验速度的平均值作为对应预设车道段的目标车速,使得该目标车速能够基于大多数高速度车辆确定,从而使得后续基于车速控制模型预测的目标车速能够在提高通畅率的基础上,进一步确保交通安全。
在第一方面的第三种可能的实现方式中,在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,方法还包括:
删除每个预设车道段对应的多个经验速度中的异常数据。
通过上述方案可知,本申请实施例通过删除异常的经验速度可以使得车速控制模型训练时不受异常数据的干扰,进而提高了车速控制模型的预测精度。
在第一方面的第四种可能的实现方式中,异常数据包括以下至少一项:
在高速路段上小于或者等于预设速度阈值的经验速度;
经验速度数量小于或者等于预设数量阈值的预设车道路段上的经验速度;
经验速度差异大于或者等于预设速度差异阈值的相邻两个道路点上的经验速度。
在第一方面的第五种可能的实现方式中,在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之后,方法还包括:
对第一预设车道段和第一预设车道段对应的车速控制标签等比例缩放,并将缩放后的第一预设车道段的起始坐标、终止坐标、缩放后的第一预设车道段对应的目标车速控制特征和缩放后的第一预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第一预设车道段为用于缩放的预设车道段;和/或,
对第二预设车道段进行旋转,并将旋转后的第二预设车道段的起始坐标、终止坐标、旋转后的第二预设车道段对应的目标车速控制特征和旋转后的第二预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第二预设车道段为用于旋转的预设车道段。
通过上述方案可知,本申请实施例通过对原有车速控制模型训练样本进行缩放和/或旋转,能够获得更多场景的车速控制模型训练样本,从而使得车速控制模型可以学习到更具有泛化能力的训练集数据,进而提高了车速控制模型的预测精度。
在第一方面的第六种可能的实现方式中,待测车速控制特征包括以下至少一项:
道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
在第一方面的第七种可能的实现方式中,当待测车速控制特征包括道路曲率时,将地图数据中的车道划分成第一车道区域和第二车道区域,包括:
将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域。
在第一方面的第八种可能的实现方式中,在将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域之前,方法还包括:
通过对地图数据中道路点的坐标进行曲线拟合获得道路曲率。
在第一方面的第九种可能的实现方式中,当待测车速控制特征包括路口左转、路口右转、路口直行、匝道、汇流车道和分流车道中任一项时,将地图数据中的车道划分成第一车道区域和第二车道区域,包括:
将地图数据中的车道划分成具有待测车速控制特征的第一车道区域和不具有待测车速控制特征的第二车道区域。
第二方面,本申请实施例提供了一种车速控制模型训练样本的确定装置,装置包括:
划分单元,用于将地图数据中的车道划分成第一车道区域和第二车道区域,其中,第一车道区域和第二车道区域所指示的待测车速控制特征不同;
特征确定单元,用于在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征,其中,第一经验最高车速分布包括多个车辆在第一车道区域行驶过程中的多个经验最高车速,第二经验最高车速分布包括多个车辆在第二车道区域行驶过程中的多个经验最高车速;
样本确定单元,用于将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,其中,车速控制标签是根据经验速度统计得到的限速信息的标签。
在第二方面的第一种可能的实现方式中,特征确定单元包括:
生成模块,用于根据第一车道区域和第二车道区域所对应的经验最高车速分别生成第一限速直方图和第二限速直方图;
特征确定模块,用于在第一限速直方图所表征的第一经验最高车速分布与第二限速直方图所表征的第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
在第二方面的第二种可能的实现方式中,装置还包括:
拟合单元,用于为在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,针对每个待统计预设车道段,基于高斯混合模型对待统计预设车道段上的多个经验速度进行拟合,获得多个速度等级的经验速度,其中,速度等级与经验速度呈正相关关系;
标签确定单元,用于将最高速度等级的经验速度的平均值作为待统计预设车道段的目标限速值,并生成包含目标限速值的车速控制标签。
在第二方面的第三种可能的实现方式中,装置还包括:
删除单元,用于在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,删除每个预设车道段对应的多个经验速度中的异常数据。
在第二方面的第四种可能的实现方式中,异常数据包括以下至少一项:
在高速路段上小于或者等于预设速度阈值的经验速度;
经验速度数量小于或者等于预设数量阈值的预设车道路段上的经验速度;
经验速度差异大于或者等于预设速度差异阈值的相邻两个道路点上的经验速度。
在第二方面的第五种可能的实现方式中,装置还包括缩放单元和/或旋转单元;
缩放单元,用于在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之后,对第一预设车道段和第一预设车道段对应的车速控制标签等比例缩放;
旋转单元,用于对第二预设车道段进行旋转;
样本确定单元,用于将缩放单元缩放后的第一预设车道段的起始坐标、终止坐标、缩放后的第一预设车道段对应的目标车速控制特征和缩放后的第一预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第一预设车道段为用于缩放的预设车道段;和/或,将旋转单元旋转后的第二预设车道段的起始坐标、终止坐标、旋转后的第二预设车道段对应的目标车速控制特征和旋转后的第二预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第二预设车道段为用于旋转的预设车道段。
在第二方面的第六种可能的实现方式中,待测车速控制特征包括以下至少一项:
道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
在第二方面的第七种可能的实现方式中,划分单元,包括:
第一划分模块,用于当待测车速控制特征包括道路曲率时,将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域。
在第二方面的第八种可能的实现方式中,划分单元,还包括:
拟合模块,用于在将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域之前,通过对地图数据中道路点的坐标进行曲线拟合获得道路曲率。
在第二方面的第九种可能的实现方式中,划分单元,包括:
第二划分模块,用于为当待测车速控制特征包括路口左转、路口右转、路口直行、匝道、汇流车道和分流车道中任一项时,将地图数据中的车道划分成具有待测车速控制特征的第一车道区域和不具有待测车速控制特征的第二车道区域。
第三方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施方式所述的方法。
第四方面,本申请实施例提供了一种电子设备,电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得电子设备实现如第一方面任一实施方式所述的方法。
第五方面,本申请实施例提供了一种车辆,车辆包含如第二方面任一实施方式的装置,或者包含如第四方面所述的电子设备。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车速控制模型训练样本的确定方法的流程示意图;
图2为本申请实施例提供的另一种车速控制模型训练样本的确定方法的流程示意图;
图3为本申请实施例提供的又一种车速控制模型训练样本的确定方法的流程示意图;
图4为本申请实施例提供的一种车速控制模型训练样本的确定装置的组成框图;
图5为本申请实施例提供的一种车辆结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本申请实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
图1为一种车速控制模型训练样本的确定方法的流程示意图,该方法可以应用于电子设备或计算机设备,具体可以应用于车辆或者服务器,该方法可以包括如下步骤:
S110:将地图数据中的车道划分成第一车道区域和第二车道区域。
其中,第一车道区域和第二车道区域所指示的待测车速控制特征不同,所指示的待测车速控制特征不同是指第一车道区域和第二车道区域中包含同一个待测车速控制特征的特征程度不同。例如,第一车道区域包括待测车速控制特征1,但第二车道区域不包括待测车速控制特征1,那么第一车道区域包含的待测车速控制特征1的特征程度是100%,第二车道区域为0。又如,第一车道区域和第二车道区域均包括待测车速控制特征2,但第一车道区域和第二车道区域中所包含的待测车速控制特征2的特征值不同,如道路曲率不同。
待测车速控制特征包括以下至少一项:道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
当待测车速控制特征包括道路曲率时,本步骤S110包括:将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域。其中,第一道路曲率范围和第二道路曲率范围不相交,且在划分这两个道路曲率范围时,可以以预设道路曲率为临界值,分别划分为低道路曲率范围和高道路曲率范围,预设道路曲率为经验值。
其中,道路曲率的具体计算方法包括:通过对地图数据中道路点的坐标进行曲线拟合获得道路曲率。例如,可以先对地图数据中道路点的坐标进行曲线拟合,获得最接近车道形状的曲线,在计算曲线上每个道路点的道路曲率。
当待测车速控制特征包括路口左转、路口右转、路口直行、匝道、汇流车道和分流车道中任一项时,本步骤S110包括:将地图数据中的车道划分成具有待测车速控制特征的第一车道区域和不具有待测车速控制特征的第二车道区域。例如,将地图数据中的车道划分成包括匝道的车道区域和不包括匝道的车道区域。
S120:在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
其中,第一经验最高车速分布包括多个车辆在第一车道区域行驶过程中的多个经验最高车速,第二经验最高车速分布包括多个车辆在第二车道区域行驶过程中的多个经验最高车速。经验最高车速是指多个车辆在同一个车道段行驶过程中的最高时速。
针对同一个待测车速控制特征,可以将地图数据中的多条车道划分成第一车道区域和第二车道区域,使得第一车道区域包括至少一个第一车道子区域,第二车道区域包括至少一个第二车道子区域。
示例性的,当待测车速控制特征为匝道时,可以将地图数据中的多条车道划分成第一车道区域和第二车道区域,使得第一车道区域包括匝道1、匝道2、匝道3这三个第一车道子区域,第二车道区域包括非匝道1、非匝道2、非匝道3这三个第二车道子区域。那么,3个车辆在匝道1上行驶过程中的经验速度分别为车辆1的速度a1、车辆1的速度a2、车辆2的速度b1、车辆2的速度b2、车辆3的速度c1,其中,车辆2速度b2在所有经验速度中取值最高,所以车辆2的速度b2是匝道1上的经验最高车速,同理,匝道2、匝道3、非匝道1、非匝道2、非匝道3也均对应一个经验最高车速,然后可以根据第一车道区域中的多个经验最高车速确定第一经验最高车速分布,根据第二车道区域中的多个经验最高车速确定第二经验最高车速分布。
在一种实施方式中,经验最高车速分布可以通过直方图的形式表示,也可以通过其他分布图的形式表示。当通过直方图的形式表示时,本步骤包括:根据第一车道区域和第二车道区域所对应的经验最高车速分别生成第一最高车速直方图和第二最高车速直方图;在第一最高车速直方图所表征的第一经验最高车速分布与第二最高车速直方图所表征的第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
在计算第一经验最高车速分布和第二经验最高车速分布的差异时,可以先计算第一经验最高车速分布和第二经验最高车速分布之间的分布形状相似度,若分布形状相似度大于或者等于预设相似度阈值,再分别计算相同横坐标所对应的两个不同纵坐标之间的差值,通过将所有纵坐标的差值的均方差与预设差异阈值作比较,确定待测车速控制特征是否为目标车速控制特征,而若分布形状相似度小于预设相似度阈值,则直接确定第一经验最高车速分布和第二经验最高车速分布差异较大,将待测车速控制特征确定为目标车速控制特征。
不同形式的经验最高车速分布的横纵坐标可能不同。直方图是频数直方图的简称,它用一系列宽度相等、高度不等的长方形表示数据的图。长方形的宽度表示数据范围的间隔,长方形的高度表示在给定间隔内的数据频数。因此,当经验最高车速分布采用直方图时,横坐标可以包括多个车速范围,纵坐标可以包括给定车速范围内的车速频数。
S130:将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本。
其中,车速控制标签是根据经验速度统计得到的目标车速的标签,经验速度是车辆实际行驶速度。预设车道段内的目标车速控制特征可以为预设车道段内每个道路点的目标车速控制特征,预设车道段内的车速控制标签也可以为预设车道段内每个道路点的车速控制标签。当整个预设车道段的目标车速控制特征和车速控制标签分别相同时,为了节省存储空间,可以将该预设车道段内多个道路点的目标车速控制特征和车速控制标签分别合并为一个目标车速控制特征和车速控制标签。
在一种实施方式中,车速控制标签的生成过程可以包括:针对每个待统计预设车道段,将该待统计预设车道段的经验最高车速作为目标车速,并生成包含目标车速的车速控制标签。然而经验最高车速具有个例性,并不具有普遍性,若直接将经验最高车速作为目标车速,则可能会发生车速过快而导致交通事故的问题。因此,为了使得后续基于车速控制模型预测的目标车速能够在提高通畅率的基础上,进一步确保交通安全,车速控制标签的生成过程可以包括:针对每个待统计预设车道段,基于高斯混合模型对待统计预设车道段上的多个经验速度进行拟合,获得多个速度等级的经验速度,其中,速度等级与经验速度呈正相关关系,即速度等级越高,经验速度越大;将最高速度等级的经验速度的平均值作为待统计预设车道段的目标车速,并生成包含目标车速的车速控制标签。
需要补充的是,车速控制模型训练样本还可以包括预设车道段的道路类型、预设车道段所属道路的车道数、预设车道段的车道排位(即位于第几个车道)中至少一项。当预设车道段中包括交通灯和/或障碍物时,车速控制模型训练样本中还可以包括预设车道段内的交通灯标签和/或障碍物标签。其中,道路类型包括高速公路、普通公路。障碍物包括公交站、人行道等。
在获得车速控制模型训练样本之后,可以对车速控制模型训练样本进行训练获得车速控制模型。后续车辆行驶过程中,可以通过将车辆当前位置、当前位置对应的目标车速控制特征输入到车速控制模型中预测出目标车速,使得车辆能够基于目标车速进行行驶。其中,车速控制模型可以为VectorNet模型,也可以为其他模型。
与依靠驾驶员自身的驾驶经验和/或车辆周围路况来调整车速的相关技术相比,本申请实施例提供的车速控制模型训练样本的确定方法,能够先通过基于待测车速控制特征划分的两种车道区域的经验最高车速分布差异,挖掘出影响车速的目标车速控制特征,再将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,以便基于车速控制模型训练样本训练用于进行车速控制的车速控制模型,从而不仅能够自动确定车速控制模型训练样本,还能够基于车速控制模型训练样本生成的车速控制模型自动为车辆提供适当的目标车速,进而可以使得整个路网均采用适当车速行驶,由此在确保交通安全的前提下,提高了交通的通畅率。
基于上述实施例,本申请的另一个实施例还提供了一种车速控制模型训练样本的确定方法,如图2所示,该方法包括:
S210:将地图数据中的车道划分成第一车道区域和第二车道区域。
S220:在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
S230:删除每个预设车道段对应的多个经验速度中的异常数据。
其中,异常数据包括以下至少一项:
在高速路段上小于或者等于预设速度阈值的经验速度;
经验速度数量小于或者等于预设数量阈值的预设车道路段上的经验速度;
经验速度差异大于或者等于预设速度差异阈值的相邻两个道路点上的经验速度。
其中,预设速度阈值、预设数量阈值和预设速度差异阈值可以根据实际经验确定。例如,预设速度阈值为20km/h,预设数量阈值为20,预设速度差异阈值为10km/h。
需要说明的是,删除异常数据的步骤可以在确定目标车速控制特征之前,也可以在确定目标车速控制特征之后,本申请实施例以在确定目标车速控制特征之后执行为例进行介绍。
S240:将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本。
本申请实施例提供的车速控制模型训练样本的确定方法,不仅能够自动挖掘出影响车速的目标车速控制特征,还可以通过删除异常的经验速度使得车速控制模型训练时不受异常数据的干扰,进而提高可以车速控制模型的预测精度。
基于上述实施例,本申请的另一个实施例还提供了一种车速控制模型训练样本的确定方法,如图3所示,该方法包括:
S310:将地图数据中的车道划分成第一车道区域和第二车道区域。
S320:在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
本申请实施例可以在执行步骤S320之前,或者在执行步骤S320之后,执行步骤S330之前,删除每个预设车道段对应的多个经验速度中的异常数据,以提高车速控制模型训练样本的精度,进而提高车速控制模型的预测精度。
S330:将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本。
S340:对第一预设车道段和第一预设车道段对应的车速控制标签等比例缩放,并将缩放后的第一预设车道段的起始坐标、终止坐标、缩放后的第一预设车道段对应的目标车速控制特征和缩放后的第一预设车道段对应的车速控制标签作为车速控制模型训练样本;和/或,对第二预设车道段进行旋转,并将旋转后的第二预设车道段的起始坐标、终止坐标、旋转后的第二预设车道段对应的目标车速控制特征和旋转后的第二预设车道段对应的车速控制标签作为车速控制模型训练样本。
其中,第一预设车道段为用于缩放的预设车道段,第二预设车道段为用于旋转的预设车道段。第一预设车道段和第二预设车道段可以为同一个预设车道段,也可以为不同预设车道段。第一预设车道段和第二预设车道段可以人工确定,也可以根据预设筛选规则确定。例如,所使用的地图数据中预设车道段的车道宽度两级分化,只存在很宽或者很窄的预设车道段,而缺少中间宽度的预设车道段,则可以对很宽的预设车道段进行缩小,对很窄的预设车道段进行放大,从而得到一定数量的中间宽度的预设车道段。又如,所使用的地图数据中向左弯曲的预设车道段数量远比向右弯曲的预设车道段数量多,则可以对向左弯曲的部分或全部预设车道段进行旋转获得一定数量向右弯曲的预设车道段。再如,所使用的地图数据中南北方向的预设车道段较多,东西方向的预设车道段较少,则可以对南北方向的预设车道段进行旋转以获得一定数量东西方向的预设车道段。
在进行缩放处理时,可以在保持通行时间不变的基础上,对第一预设车道段和第一预设车道段对应的车速控制标签中的目标车速进行等比例缩小或者放大;在进行旋转处理时,由于旋转不会改变预设车道段的长度和宽度,所以可以直接对第二预设车道段进行旋转即可。
本申请实施例提供的车速控制模型训练样本的确定方法,通过对原有车速控制模型训练样本进行缩放和/或旋转,利用有限的地图数据和行车经验信息获得更多场景的车速控制模型训练样本,从而使得车速控制模型可以学习到更具有泛化能力的训练集数据,进而提高了车速控制模型的预测精度。
相应于上述方法实施例,本申请实施例提供了一种车速控制模型训练样本的确定装置,如图4所示,该装置包括:
划分单元41,用于将地图数据中的车道划分成第一车道区域和第二车道区域,其中,第一车道区域和第二车道区域所指示的待测车速控制特征不同;
特征确定单元42,用于在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征,其中,第一经验最高车速分布包括多个车辆在第一车道区域行驶过程中的多个经验最高车速,第二经验最高车速分布包括多个车辆在第二车道区域行驶过程中的多个经验最高车速;
样本确定单元43,用于将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,其中,车速控制标签是根据经验速度统计得到的限速信息的标签。
在一种实施方式中,特征确定单元42包括:
生成模块,用于根据第一车道区域和第二车道区域所对应的经验最高车速分别生成第一限速直方图和第二限速直方图;
特征确定模块,用于在第一限速直方图所表征的第一经验最高车速分布与第二限速直方图所表征的第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将待测车速控制特征确定为目标车速控制特征。
在一种实施方式中,装置还包括:
拟合单元,用于为在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,针对每个待统计预设车道段,基于高斯混合模型对待统计预设车道段上的多个经验速度进行拟合,获得多个速度等级的经验速度,其中,速度等级与经验速度呈正相关关系;
标签确定单元,用于将最高速度等级的经验速度的平均值作为待统计预设车道段的目标限速值,并生成包含目标限速值的车速控制标签。
在一种实施方式中,装置还包括:
删除单元,用于在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,删除每个预设车道段对应的多个经验速度中的异常数据。
在一种实施方式中,异常数据包括以下至少一项:
在高速路段上小于或者等于预设速度阈值的经验速度;
经验速度数量小于或者等于预设数量阈值的预设车道路段上的经验速度;
经验速度差异大于或者等于预设速度差异阈值的相邻两个道路点上的经验速度。
在一种实施方式中,装置还包括缩放单元和/或旋转单元;
缩放单元,用于在将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本之后,对第一预设车道段和第一预设车道段对应的车速控制标签等比例缩放;
旋转单元,用于对第二预设车道段进行旋转;
样本确定单元43,用于将缩放单元缩放后的第一预设车道段的起始坐标、终止坐标、缩放后的第一预设车道段对应的目标车速控制特征和缩放后的第一预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第一预设车道段为用于缩放的预设车道段;和/或,将旋转单元旋转后的第二预设车道段的起始坐标、终止坐标、旋转后的第二预设车道段对应的目标车速控制特征和旋转后的第二预设车道段对应的车速控制标签作为车速控制模型训练样本,其中,第二预设车道段为用于旋转的预设车道段。
在一种实施方式中,待测车速控制特征包括以下至少一项:
道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
在一种实施方式中,划分单元41,包括:
第一划分模块,用于当待测车速控制特征包括道路曲率时,将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域。
在一种实施方式中,划分单元41,还包括:
拟合模块,用于在将地图数据中的车道划分成满足第一道路曲率范围的第一车道区域和满足第二道路曲率范围的第二车道区域之前,通过对地图数据中道路点的坐标进行曲线拟合获得道路曲率。
在一种实施方式中,划分单元41,包括:
第二划分模块,用于为当待测车速控制特征包括路口左转、路口右转、路口直行、匝道、汇流车道和分流车道中任一项时,将地图数据中的车道划分成具有待测车速控制特征的第一车道区域和不具有待测车速控制特征的第二车道区域。
与依靠驾驶员自身的驾驶经验和/或车辆周围路况来调整车速的相关技术相比,本申请实施例提供的车速控制模型训练样本的确定装置,能够先通过基于待测车速控制特征划分的两种车道区域的经验最高车速分布差异,挖掘出影响车速的目标车速控制特征,再将地图数据中每个预设车道段的起始坐标、终止坐标、预设车道段内的目标车速控制特征和车速控制标签作为车速控制模型训练样本,以便基于车速控制模型训练样本训练用于进行车速控制的车速控制模型,从而不仅能够自动确定车速控制模型训练样本,还能够基于车速控制模型训练样本生成的车速控制模型自动为车辆提供适当的目标车速,进而可以使得整个路网均采用适当车速行驶,由此在确保交通安全的前提下,提高了交通的通畅率。
基于上述方法实施例,本申请的另一实施例提供了一种存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现如上任一实施方式所述的方法。
基于上述方法实施例,本申请的另一实施例提供了一种电子设备或计算机设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当一个或多个程序被一个或多个处理器执行时,使得电子设备或计算机设备实现如上任一实施方式所述的方法。
基于上述方法实施例,本申请的另一实施例提供了车辆,该车辆包含如上任一实施方式所述的装置,或者包含如上所述的电子设备。
如图5所示,车辆包括速度传感器51、ECU(Electronic Control Unit,电子控制单元)52、GPS(Global Positioning System,全球定位***)定位设备53、V2X(Vehicle-to-Everything,车联网)模块54、T-Box(TelematicsBox,远程信息处理器)55、雷达56、摄像头57。其中,速度传感器51用于测量车辆行驶速度;GPS定位设备53用于获取车辆位置信息;ECU52用于通过执行上述实施例提供的方法确定车速控制模型训练样本,并根据车速控制模型训练样本进行模型训练获得车速控制模型,通过将GPS定位设备53获得的车辆位置信息和地图数据中车辆位置信息对应的目标车速控制特征输入车速控制模型预测出目标车速,并控制车辆基于目标车速进行行驶。ECU52还可以通过T-Box55向服务器上报GPS定位设备53获得的车辆位置信息,并通过T-Box55接收服务器发送的目标车速,控制车辆基于目标车速进行行驶。V2X模块54用于与其他车辆、路侧设备等进行通信;雷达56或摄像头57用于感知前方和/或其他方向的道路环境信息,雷达56和/或摄像头57可以配置在车身前部和/或车身尾部;T-Box55可以作为无线网关,通过4G/5G等远程无线通讯、GPS卫星定位、加速度传感和CAN通讯等功能,为整车提供远程通讯接口,提供包括行车数据采集、行驶轨迹记录、车辆故障监控、车辆远程查询和控制(开闭锁、空调控制、车窗控制、发动机扭矩限制、发动机启停)、驾驶行为分析等服务。
上述装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本申请所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。
Claims (22)
1.一种车速控制模型训练样本的确定方法,其特征在于,所述方法包括:
将地图数据中的车道划分成第一车道区域和第二车道区域,其中,所述第一车道区域和所述第二车道区域所指示的待测车速控制特征不同;
在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将所述待测车速控制特征确定为目标车速控制特征,其中,所述第一经验最高车速分布包括多个车辆在所述第一车道区域行驶过程中的多个经验最高车速,所述第二经验最高车速分布包括多个所述车辆在所述第二车道区域行驶过程中的多个所述经验最高车速;
将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本,其中,所述车速控制标签是根据经验速度统计得到的目标车速的标签。
2.根据权利要求1所述的方法,其特征在于,所述在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将所述待测车速控制特征确定为目标车速控制特征,包括:
根据所述第一车道区域和所述第二车道区域所对应的所述经验最高车速分别生成第一最高车速直方图和第二最高车速直方图;
在所述第一最高车速直方图所表征的所述第一经验最高车速分布与所述第二最高车速直方图所表征的所述第二经验最高车速分布之间的差异大于或者等于所述预设差异阈值的情况下,将所述待测车速控制特征确定为所述目标车速控制特征。
3.根据权利要求1所述的方法,其特征在于,在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,所述方法还包括:
针对每个待统计预设车道段,基于高斯混合模型对所述待统计预设车道段上的多个所述经验速度进行拟合,获得多个速度等级的所述经验速度,其中,所述速度等级与所述经验速度呈正相关关系;
将最高速度等级的所述经验速度的平均值作为所述待统计预设车道段的目标车速,并生成包含所述目标车速的车速控制标签。
4.根据权利要求1所述的方法,其特征在于,在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,所述方法还包括:
删除每个所述预设车道段对应的多个所述经验速度中的异常数据。
5.根据权利要求4所述的方法,其特征在于,所述异常数据包括以下至少一项:
在高速路段上小于或者等于预设速度阈值的所述经验速度;
经验速度数量小于或者等于预设数量阈值的所述预设车道段上的所述经验速度;
经验速度差异大于或者等于预设速度差异阈值的相邻两个道路点上的所述经验速度。
6.根据权利要求1-5中任一项所述的方法,其特征在于,在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之后,所述方法还包括:
对第一预设车道段和所述第一预设车道段对应的车速控制标签等比例缩放,并将缩放后的第一预设车道段的起始坐标、终止坐标、所述缩放后的第一预设车道段对应的所述目标车速控制特征和所述缩放后的第一预设车道段对应的所述车速控制标签作为所述车速控制模型训练样本,其中,所述第一预设车道段为用于缩放的所述预设车道段;和/或,
对第二预设车道段进行旋转,并将旋转后的第二预设车道段的起始坐标、终止坐标、所述旋转后的第二预设车道段对应的所述目标车速控制特征和所述旋转后的第二预设车道段对应的所述车速控制标签作为所述车速控制模型训练样本,其中,所述第二预设车道段为用于旋转的所述预设车道段。
7.根据权利要求1所述的方法,其特征在于,所述待测车速控制特征包括以下至少一项:
道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
8.根据权利要求7所述的方法,其特征在于,当所述待测车速控制特征包括所述道路曲率时,所述将地图数据中的车道划分成第一车道区域和第二车道区域,包括:
将所述地图数据中的所述车道划分成满足第一道路曲率范围的所述第一车道区域和满足第二道路曲率范围的所述第二车道区域。
9.根据权利要求8所述的方法,其特征在于,在所述将所述地图数据中的所述车道划分成满足第一道路曲率范围的所述第一车道区域和满足第二道路曲率范围的所述第二车道区域之前,所述方法还包括:
通过对所述地图数据中道路点的坐标进行曲线拟合获得所述道路曲率。
10.根据权利要求7-9中任一项所述的方法,其特征在于,当所述待测车速控制特征包括所述路口左转、所述路口右转、所述路口直行、所述匝道、所述汇流车道和所述分流车道中任一项时,所述将地图数据中的车道划分成第一车道区域和第二车道区域,包括:
将所述地图数据中的所述车道划分成具有所述待测车速控制特征的所述第一车道区域和不具有所述待测车速控制特征的所述第二车道区域。
11.一种车速控制模型训练样本的确定装置,其特征在于,所述装置包括:
划分单元,用于将地图数据中的车道划分成第一车道区域和第二车道区域,其中,所述第一车道区域和所述第二车道区域所指示的待测车速控制特征不同;
特征确定单元,用于在第一经验最高车速分布与第二经验最高车速分布之间的差异大于或者等于预设差异阈值的情况下,将所述待测车速控制特征确定为目标车速控制特征,其中,所述第一经验最高车速分布包括多个车辆在所述第一车道区域行驶过程中的多个经验最高车速,所述第二经验最高车速分布包括多个所述车辆在所述第二车道区域行驶过程中的多个所述经验最高车速;
样本确定单元,用于将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本,其中,所述车速控制标签是根据经验速度统计得到的限速信息的标签。
12.根据权利要求11所述的装置,其特征在于,所述特征确定单元包括:
生成模块,用于根据所述第一车道区域和所述第二车道区域所对应的所述经验最高车速分别生成第一限速直方图和第二限速直方图;
特征确定模块,用于在所述第一限速直方图所表征的所述第一经验最高车速分布与所述第二限速直方图所表征的所述第二经验最高车速分布之间的差异大于或者等于所述预设差异阈值的情况下,将所述待测车速控制特征确定为所述目标车速控制特征。
13.根据权利要求11所述的装置,其特征在于,所述装置还包括:
拟合单元,用于为在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,针对每个待统计预设车道段,基于高斯混合模型对所述待统计预设车道段上的多个所述经验速度进行拟合,获得多个速度等级的所述经验速度,其中,所述速度等级与所述经验速度呈正相关关系;
标签确定单元,用于将最高速度等级的所述经验速度的平均值作为所述待统计预设车道段的目标限速值,并生成包含所述目标限速值的车速控制标签。
14.根据权利要求11所述的装置,其特征在于,所述装置还包括:
删除单元,用于在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之前,删除每个所述预设车道段对应的多个所述经验速度中的异常数据。
15.根据权利要求11-14中任一项所述的装置,其特征在于,所述装置还包括缩放单元和/或旋转单元;
所述缩放单元,用于在所述将所述地图数据中每个预设车道段的起始坐标、终止坐标、所述预设车道段内的所述目标车速控制特征和车速控制标签作为车速控制模型训练样本之后,对第一预设车道段和所述第一预设车道段对应的车速控制标签等比例缩放;
所述旋转单元,用于对第二预设车道段进行旋转;
所述样本确定单元,用于将所述缩放单元缩放后的第一预设车道段的起始坐标、终止坐标、所述缩放后的第一预设车道段对应的所述目标车速控制特征和所述缩放后的第一预设车道段对应的所述车速控制标签作为所述车速控制模型训练样本,其中,所述第一预设车道段为用于缩放的预设车道段;和/或,将所述旋转单元旋转后的第二预设车道段的起始坐标、终止坐标、所述旋转后的第二预设车道段对应的所述目标车速控制特征和所述旋转后的第二预设车道段对应的所述车速控制标签作为所述车速控制模型训练样本,其中,所述第二预设车道段为用于旋转的预设车道段。
16.根据权利要求11所述的装置,其特征在于,所述待测车速控制特征包括以下至少一项:
道路曲率、路口左转、路口右转、路口直行、匝道、汇流车道和分流车道。
17.根据权利要求16所述的装置,其特征在于,所述划分单元,包括:
第一划分模块,用于当所述待测车速控制特征包括所述道路曲率时,将所述地图数据中的所述车道划分成满足第一道路曲率范围的所述第一车道区域和满足第二道路曲率范围的所述第二车道区域。
18.根据权利要求16所述的装置,其特征在于,所述划分单元,还包括:
拟合模块,用于在所述将所述地图数据中的所述车道划分成满足第一道路曲率范围的所述第一车道区域和满足第二道路曲率范围的所述第二车道区域之前,通过对所述地图数据中道路点的坐标进行曲线拟合获得所述道路曲率。
19.根据权利要求16-18中任一项所述的装置,其特征在于,所述划分单元,包括:
第二划分模块,用于为当所述待测车速控制特征包括所述路口左转、所述路口右转、所述路口直行、所述匝道、所述汇流车道和所述分流车道中任一项时,将所述地图数据中的所述车道划分成具有所述待测车速控制特征的所述第一车道区域和不具有所述待测车速控制特征的所述第二车道区域。
20.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
21.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述电子设备实现如权利要求1-10中任一所述的方法。
22.一种车辆,其特征在于,所述车辆包含如权利要求11-19中任一所述的装置,或者包含如权利要求21所述的电子设备。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384249.1A CN114454878B (zh) | 2022-04-13 | 2022-04-13 | 车速控制模型训练样本的确定方法及装置 |
EP22744633.3A EP4282723A1 (en) | 2022-04-13 | 2022-05-26 | Method and apparatus for determining vehicle speed control model training sample |
PCT/CN2022/095101 WO2023197408A1 (zh) | 2022-04-13 | 2022-05-26 | 车速控制模型训练样本的确定方法及装置 |
US17/881,748 US20220371587A1 (en) | 2022-04-13 | 2022-08-05 | Method and Apparatus for Determining Vehicle Speed Control Model Training Sample |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384249.1A CN114454878B (zh) | 2022-04-13 | 2022-04-13 | 车速控制模型训练样本的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114454878A true CN114454878A (zh) | 2022-05-10 |
CN114454878B CN114454878B (zh) | 2022-08-30 |
Family
ID=81418699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210384249.1A Active CN114454878B (zh) | 2022-04-13 | 2022-04-13 | 车速控制模型训练样本的确定方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114454878B (zh) |
WO (1) | WO2023197408A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627649A (zh) * | 2022-04-13 | 2022-06-14 | 北京魔门塔科技有限公司 | 速度控制模型的生成方法、车辆控制方法及装置 |
CN114719893A (zh) * | 2022-05-13 | 2022-07-08 | 北京魔门塔科技有限公司 | 一种盲区监测***的测试装置、***、方法和电子设备 |
WO2023197408A1 (zh) * | 2022-04-13 | 2023-10-19 | 魔门塔(苏州)科技有限公司 | 车速控制模型训练样本的确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19848236A1 (de) * | 1998-10-20 | 2000-04-27 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Begrenzung der Geschwindigkeit eines Fahrzeugs |
CN110576849A (zh) * | 2018-06-08 | 2019-12-17 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN110861650A (zh) * | 2019-11-21 | 2020-03-06 | 驭势科技(北京)有限公司 | 车辆的路径规划方法、装置,车载设备和存储介质 |
CN111238517A (zh) * | 2020-01-10 | 2020-06-05 | 北京享云智汇科技有限公司 | 用于无人驾驶车辆的路径轨迹的生成方法和生成*** |
CN111376912A (zh) * | 2018-12-29 | 2020-07-07 | 长城汽车股份有限公司 | 自动驾驶车辆的车速控制方法、***及车辆 |
CN113554877A (zh) * | 2021-09-18 | 2021-10-26 | 之江实验室 | 一种基于可变限速的长上坡交通流稳定性提升方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002612B2 (en) * | 2012-03-20 | 2015-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Prediction of driver-specific cruise speed using dynamic modeling |
CN109686086B (zh) * | 2018-12-24 | 2020-08-07 | 东软集团(北京)有限公司 | 模糊控制网络的训练、生成路口建议速度的方法及装置 |
CN112863180B (zh) * | 2021-01-11 | 2022-05-06 | 腾讯大地通途(北京)科技有限公司 | 交通速度预测方法、装置、电子设备及计算机可读介质 |
CN114627649B (zh) * | 2022-04-13 | 2022-12-27 | 北京魔门塔科技有限公司 | 速度控制模型的生成方法、车辆控制方法及装置 |
CN114454878B (zh) * | 2022-04-13 | 2022-08-30 | 北京魔门塔科技有限公司 | 车速控制模型训练样本的确定方法及装置 |
-
2022
- 2022-04-13 CN CN202210384249.1A patent/CN114454878B/zh active Active
- 2022-05-26 WO PCT/CN2022/095101 patent/WO2023197408A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19848236A1 (de) * | 1998-10-20 | 2000-04-27 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Begrenzung der Geschwindigkeit eines Fahrzeugs |
CN110576849A (zh) * | 2018-06-08 | 2019-12-17 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN111376912A (zh) * | 2018-12-29 | 2020-07-07 | 长城汽车股份有限公司 | 自动驾驶车辆的车速控制方法、***及车辆 |
CN110861650A (zh) * | 2019-11-21 | 2020-03-06 | 驭势科技(北京)有限公司 | 车辆的路径规划方法、装置,车载设备和存储介质 |
CN111238517A (zh) * | 2020-01-10 | 2020-06-05 | 北京享云智汇科技有限公司 | 用于无人驾驶车辆的路径轨迹的生成方法和生成*** |
CN113554877A (zh) * | 2021-09-18 | 2021-10-26 | 之江实验室 | 一种基于可变限速的长上坡交通流稳定性提升方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627649A (zh) * | 2022-04-13 | 2022-06-14 | 北京魔门塔科技有限公司 | 速度控制模型的生成方法、车辆控制方法及装置 |
WO2023197408A1 (zh) * | 2022-04-13 | 2023-10-19 | 魔门塔(苏州)科技有限公司 | 车速控制模型训练样本的确定方法及装置 |
WO2023197409A1 (zh) * | 2022-04-13 | 2023-10-19 | 魔门塔(苏州)科技有限公司 | 速度控制模型的生成方法、车辆控制方法及装置 |
CN114719893A (zh) * | 2022-05-13 | 2022-07-08 | 北京魔门塔科技有限公司 | 一种盲区监测***的测试装置、***、方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023197408A1 (zh) | 2023-10-19 |
CN114454878B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
EP3647728B1 (en) | Map information system | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及*** | |
CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
US20220051491A1 (en) | Value-anticipating cooperative perception with an intelligent transportation system station | |
DE102019101847A1 (de) | Genauigkeitssystem für vernetzte Fahrzeuge | |
CN110733507A (zh) | 车道变换及道路隔离方法、装置、设备及存储介质 | |
CN115019514B (zh) | 一种基于车联网的公路巡查*** | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
CN110986994B (zh) | 一种基于高噪音车辆轨迹数据的换道意图自动标注方法 | |
CN114627649B (zh) | 速度控制模型的生成方法、车辆控制方法及装置 | |
DE102015222033A1 (de) | Verfahren und Vorrichtung zum Analysieren einer Fahrweise eines Fahrers eines Fahrzeugs | |
CN116824911A (zh) | 会车提醒信息的生成及会车提醒方法、装置、介质、产品 | |
EP4282723A1 (en) | Method and apparatus for determining vehicle speed control model training sample | |
Wang et al. | Trajectory-based vehicle emission evaluation for signalized intersection using roadside LiDAR data | |
CN112464749A (zh) | 一种基于规则与学习的交通场景异常目标检测方法 | |
CN118072553B (zh) | 一种交通安全智能管控*** | |
Jomrich et al. | Lane Accurate Detection of Map Changes based on Low Cost Smartphone Data. | |
US20220371586A1 (en) | Method for Generating Speed Control Model, Vehicle Control Method and Apparatus | |
CN112491814B (zh) | 一种车联网网联交叉口网络攻击检测方法及*** | |
CN115410414B (zh) | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 | |
CN117593891B (zh) | 一种基于高速公路交通大数据的车流量分析***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |